论文摘要
应用扩展卡尔曼滤波(EKF)算法估计动力电池荷电状态(SOC)时,会出现由于电池模型参数不准确而造成估计误差增大的问题。这里提出一种基于强跟踪原理的双卡尔曼滤波(ST-DEKF)算法解决该问题。以电池复合等效模型为研究基础,利用双卡尔曼滤波(DEKF)算法并行实时联合估计电池SOC和电池模型中的欧姆内阻参数,相互反馈,以提高电池模型的准确性,能够有效改善电池SOC估计精度。但在电池SOC初值设定存在偏差情况下,观测噪声方差不易确定,估计过程收敛速度慢,甚至会引起发散,因此,在算法初始阶段又引入了基于强跟踪原理的次优渐消因子对目标进行快速跟踪,弥补DEKF算法的不足。实验结果表明,基于ST-DEKF算法建立的电池SOC估计模型,具有很好的鲁棒性、跟踪速度和精度。
论文目录
文章来源
类型: 期刊论文
作者: 谈发明,李秋烨,赵俊杰,王琪
关键词: 电池荷电状态,双卡尔曼滤波,次优渐消因子,强跟踪
来源: 电力电子技术 2019年11期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 江苏理工学院信息中心,江苏理工学院电气信息工程学院
基金: 国家自然科学基金青年科学基金(61803186)~~
分类号: TM912
页码: 61-65
总页数: 5
文件大小: 687K
下载量: 106